采用多Agent混沌粒子群算法的配电网重构

针对配电网的辐射状约束条件研究了配电网重构的优化问题,引入破圈法筛选可行解,利用基于多Agent的混沌粒子群算法对筛选后的可行解进行搜索;然后该算法将粒子的群搜索特征与多Agent的智能搜索特征相结合提升算法的搜索效率,并融合混沌局部搜索算法以跳出局部解。以网损为优化目标,分别对33节点和69节点配电网系统进行计算分析,结果表明该算法具有很快的收敛速度,并且对于复杂配电网系统有较好的稳定性与鲁棒性。

基于U-Net的胸片肋骨影像抑制算法

由于X光图像只有二维信息,骨骼结构会和人体器官在图像中重叠,对医生和肺结节智能检测系统造成不利影响,抑制图像中的肋骨结构可以一定程度上改善上述情形.我们将肋骨视为图像中的噪声信息,使用图像去噪的方法来完成肋骨抑制的任务.本文采用深度卷积网络作为基础模型,分析并尝试多种策略来提升模型性能,最终我们采用Unet网络结构,通过跳跃连接以及残差学习策略增强网络细节表现能力.实验证明,我们的方法能够有效抑制肋骨结构在X光图片中的不利影响,对肺结节检测任务的性能有一定的提升.